论文部分内容阅读
X光无损检测技术在目前的铸件生产中有着广泛的应用，尤其是在汽车制造行业。随着国内汽车行业的快速发展，对轮毂的需求量越来越大，传统的人工X光检测系统成为大量生产轮毂的瓶颈。在轮毂质量问题不容忽视的情况下，轮毂铸件X光智能检测系统为厂家提供了一种快速与准确的检测手段。相对于人工检测，智能检测系统利用计算机对X光图像的辅助检测使检测结果更准确，速度更快，对缺陷的定性定量分析为产品质量评判提供了准则，从而避免了人为主观因素的影响。同时智能检测系统具有良好的数据管理与低辐射影响等方面的优势。因而成为无损检测研究的主要方向之一。
本文在轮毂铸件X光智能检测系统的课题研究中展开相关的研究。在研究中发现，为了提高缺陷识别的准确率，系统用于整幅图像处理所采用的算法需要消耗大量时间，这与系统要求快速得出识别结果的实时性形成了矛盾。针对这一情况，本文提出将轮毂x光图像先分割成不同的兴趣区，再在不同兴趣区上执行复杂度各异的缺陷识别算法。这种方法能有效解决上述的矛盾。为此，本文提出两种图像分割算法：
(1)基于图像灰度以及轮毂几何特性的分割方法。该方法根据轮毂不同部位的特性，利用图像灰度阈值化以及轮毂几何分割法从轮毂X光图像中分割出容易出现缺陷的区域。并从实验与理论上证明了该算法的有效性与快速性。
(2)基于分形原理的轮毂X光图像分割方法。本算法利用缺陷边缘的自相似性，计算由canny算子检测后图像边缘的分形维数，根据缺陷边缘的分形维数所在的范围判断出属于缺陷的边缘，并通过聚类的方法将缺陷边缘所在的区域分割出来。实验结果证明了该方法有理想的分割效果。
最后，本研究实现了轮毂铸件X光智能检测系统中的图像分割功能。考虑到系统检测的实时性要求，实际系统中采用了上述第一种的分割方法。同时，为了增强人机交互的良好性和分割准确性，实现过程中做了很多适应性调整，使得分割效果良好。